Klasifikasi tingkat stres berbasis fuzzy mamdani menggunakan indikator aktivitas harian

Sandi Badiwibowo Atim; Erin Eka Citra

doi:10.35760/tr.2026.v31i1.180

Authors

Sandi Badiwibowo Atim Lampung University Author
Erin Eka Citra Lampung University Author

DOI:

https://doi.org/10.35760/tr.2026.v31i1.180

Keywords:

fuzzy logic, FIS mamdani, tingkat stres, aktivitas harian, pola tidur

Abstract

Peningkatan beban kerja dan penurunan kualitas tidur dalam pola hidup modern telah memicu peningkatan tingkat stres individu, yang sering kali dinilai secara subjektif dan kurang akurat menggunakan pendekatan konvensional. Penelitian ini mengusulkan model klasifikasi tingkat stres berbasis Fuzzy Inference System (FIS) Mamdani untuk menangani ketidakpastian dan subjektivitas pada indikator gaya hidup. Model ini menggunakan empat variabel input: sleep duration, sleep quality, physical activity level, dan daily steps, dengan tingkat stres sebagai variabel output. Data penelitian bersumber dari sleep health and lifestyle dataset sebanyak 374 data. Sistem dirancang menggunakan 20 aturan fuzzy dan metode defuzzifikasi centroid yang diimplementasikan melalui aplikasi berbasis web interaktif. Hasil pengujian menunjukkan performa model yang sangat baik dengan nilai Root Mean Square Error (RMSE) sebesar 1,671 dengan akurasi sebesar 88,50% dan Mean Squared Error (MSE) sebesar 1,671. Hasil Ini menunjukkan bahwa logika fuzzy efektif dalam memberikan hasil klasifikasi yang stabil dan memiliki interpretabilitas tinggi dalam merepresentasikan kondisi manusia.

Downloads

Download data is not yet available.

References

[1] N. Inayah and D. T. Kurniawati, “Pengaruh beban kerja terhadap stres kerja melalui kompensasi bagi sandwich generation,” Jurnal Kewirausahaan dan Inovasi, vol. 3, no. 3, pp. 793–804, Aug. 2024, doi: 10.21776/jki.2024.03.3.15.

[2] A. Chairani and Rosdiana, “Sistem diagnosa stres menggunakan metode fuzzy logic,” J. Energi Elektrik, vol. 11, no. 2, pp. 34–40, 2018.

[3] I. Pardyani and I. H. Susilowati, “Stress kerja dan kualitas tidur sebagai determinan utama kelelahan kerja pada pekerja konstruksi,” J. Penelit. Kesehat. Suara Forikes, vol. 15, no. 2, pp. 197–202, Apr.–Jun. 2024, doi: 10.33846/sf15205.

[4] H. Chandra and A. I. Wahyuni, “Integrating perceived stress scale, principal component analysis, and fuzzy logic to classify stress level,” J. Ilm. Tek. Ind., vol. 23, no. 2, pp. 224–234, Dec. 2024, doi: 10.23917/jiti.v23i2.6357.

[5] S. Hameed, M. Nauman, N. Akhtar, M. A. B. Fayyaz, and R. Nawaz, “Explainable AI-driven depression detection from social media using natural language processing and black box machine learning models,” Front. Artif. Intell., vol. 8, Art. no. 1627078, Sept. 2025, doi: 10.3389/frai.2025.1627078.

[6] F. H. D. Aryanto, A. F. Syuhada, F. P. Putra, S. P. Mahardika, A. P. Jayanegara, and F. I. Sanjaya, “Deteksi tingkat stres mahasiswa dengan logika fuzzy Tsukamoto,” RIGGS: J. Artif. Intell. Digit. Bus., vol. 4, no. 2, pp. 3462–3471, Jun. 2025, doi: 10.31004/riggs.v4i2.1042.

[7] M. G. Sutisna, M. A. S. Yudono, M. Artiyasa, P. Narputo, and A. E. Jakfar, “Sistem pendukung keputusan tingkat stres mahasiswa dengan fuzzy Mamdani,” RIGGS: J. Artif. Intell. Digit. Bus., vol. 4, no. 1, pp. 255–264, Apr. 2025, doi: 10.31004/riggs.v4i1.403.

[8] U. Saha, S. M. M. Hossain, and I. H. Sarker, “Predicting depression level based on human activities and feelings: A fuzzy logic-based analysis,” Data Sci. Manag., Dec. 2024, doi: 10.1016/j.dsm.2024.11.003.

[9] Tharmalingam, “Sleep Health and Lifestyle Dataset” [Data set], Kaggle, 2023. [Online]. Available: https://www.kaggle.com/datasets/uom190346a/sleep-health-and-lifestyle-dataset (accessed Jan. 20, 2026).

[10] I. G. A. Gunadi and D. O. Rachmawati, “A comparative study on the impact of feature selection and dataset resampling on the performance of the k-nearest neighbors (KNN) classification algorithm,” J. Nas. Pendidik. Tek. Inform. (JANAPATI), vol. 13, no. 2, pp. 419–427, Jul. 2024, doi: 10.23887/janapati.v13i2.82174.

[11] Z. M. Zamzani, M. R. Nurdiansyah N.A, and B. Y. Yana, “Deteksi stres manusia melalui analisis tidur dengan metode fuzzy,” TECHNOVATAR J. Teknol. Ind. Inf., vol. 1, no. 1, pp. 58–71, Nov. 2023, doi: 10.61434/technovatar.v1i1.60.

[12] L. Sofia, N. N. Yasmin, A. R. P. Sabrina, S. A. P. Utomo, D. A. Nugroho, and I. P. Pujiono, “Fuzzy assessment untuk mengukur burnout mahasiswa dengan dukungan basis data terstruktur,” RIGGS: J. Artif. Intell. Digit. Bus., vol. 4, no. 4, pp. 3932–3945, Dec. 2025, doi: 10.31004/riggs.v4i4.4157.

[13] E. E. Setiawati, “Fuzzy inference system metode Mamdani untuk memprediksi IPM di Kota Langsa,” Media Teknol. dan Inform., vol. 1, no. 3, pp. 126–133, Jul. 2024.

[14] I. M. B. Suwadnyana and A. A. G. B. Ariana, “Fuzzy inference sistem Mamdani untuk penentuan kredit pada KPN Estika Dewata,” J. Nas. Pendidik. Tek. Inform. (JANAPATI), vol. 1, no. 2, pp. 153–163, Jul. 2013, doi: 10.23887/janapati.v2i2.9788.

[15] R. Rumfot, Y. A. Lesnussa, and D. L. Rahakbauw, “Perbandingan metode fuzzy Mamdani, Sugeno dan Tsukamoto untuk menentukan jumlah produksi batu pecah,” MATHunesa: J. Ilm. Mat., vol. 12, no. 1, pp. 157–168, 2024, doi: 10.26740/mathunesa.v12n1.p157-168.

[16] Junaidi, “Implementasi fuzzy logic dengan metode Mamdani untuk sistem pendukung keputusan kinerja dosen,” J. Inf. Syst. (JIS), vol. 3, no. 1, pp. 17–27, May 2023, doi: 10.61488/jis.v3i1.256.

[17] I. Ummah, N. Yannuansa, and I. Mufarrihah, “Pengaruh penentuan domain, fungsi keanggotaan dan rule dalam membangun sistem fuzzy,” J. Tecnoscienza, vol. 6, no. 1, pp. 165–175, Oct. 2021, doi: 10.51158/tecnoscienza.v6i1.607.

[18] G. D’Aniello, “Fuzzy logic for situation awareness: A systematic review,” J. Ambient Intell. Humaniz. Comput., vol. 14, no. 4, pp. 4419–4438, Apr. 2023, doi: 10.1007/s12652-023-04560-6.

[19] E. Küçüktopçu, B. Cemek, and H. Simsek, “Application of Mamdani fuzzy inference system in poultry weight estimation,” Animals, vol. 13, no. 15, Art. no. 2471, Jul. 2023, doi: 10.3390/ani13152471.

[20] I. Irfanianingrum, A. R. Chaidir, S. Sumardi, G. A. Rahardi, and D. W. Herdiyanto, “Sistem pendeteksi dini kebakaran hutan berbasis logika fuzzy dengan integrasi Telegram,” Emitor: J. Tek. Elektro, vol. 23, no. 2, pp. 120–127, Sept. 2023, doi: 10.23917/emitor.v22i2.22019.

[21] M. Sovina and F. A. Harahap, “Penentuan status gizi dengan indeks massa tubuh (IMT) menggunakan logika fuzzy,” InfoSys Journal, vol. 7, no. 1, pp. 105–116, Aug. 2022, doi: 10.22303/infosys.7.1.20221.105-116.

[22] A. S. K. R. Nasution, G. W. Nurcahyo, and A. Ramdhanu, “Penerapan metode fuzzy Mamdani untuk mengidentifikasi kepribadian siswa,” Jurnal KomtekInfo, vol. 11, no. 3, pp. 157–162, Sept. 2024, doi: 10.35134/komtekinfo.v11i3.567.

[23] Yulmaini, “Penggunaan metode fuzzy inference system (FIS) Mamdani dalam pemilihan peminatan mahasiswa untuk tugas akhir,” J. Inform., vol. 15, no. 1, pp. 10–23, Jun. 2015.

[24] D. Y. Klau, T. Tursina, and H. Novriando, “Implementasi metode fuzzy inference system (FIS) Mamdani dalam pemilihan bidang keahlian mahasiswa,” J. Impresi Indones., vol. 2, no. 4, pp. 372–383, Apr. 2023, doi: 10.58344/jii.v2i4.2389.

[25] P. Korkidis and A. Dounis, “Intelligent fuzzy models: WM, ANFIS, and patch learning for the competitive forecasting of environmental variables,” Sustainability, vol. 15, no. 10, Art. no. 8032, May 2023, doi: 10.3390/su15108032.

[26] G. Liu, Z. Jin, and H. Yu, “Short-term electrical load forecasting based on fuzzy rough set feature selection and multi-kernel extreme learning machine,” Int. J. Comput. Intell. Syst., vol. 17, p. 160, Jun. 2024, doi: 10.1007/s44196-024-00577-7.

[27] M. A. Firmansyah, A. A. Murtopo, and N. Fadilah, “Penerapan metode fuzzy Tsukamoto untuk prediksi jumlah produksi PT Wings Padaharja,” RIGGS: J. Artif. Intell. Digit. Bus., vol. 4, no. 3, pp. 2758–2764, Aug. 2025, doi: 10.31004/riggs.v4i3.2173.